Sitemap

2008'de, YouTube'un Yahoo!'yu geçtiğini fark eden sektördeki ilk yazarlardan biriydim.Google'ın ardından dünyanın en büyük ikinci arama motoru olmak.

O zamanlar Search Engine Watch için yazıyordum ve makalemin başlığı, YouTube genişletilmiş aramalarda Yahoo'yu geçti mi?

(Spoiler uyarısı: Başlıktaki retorik sorunun cevabı: "Evet" idi.)

Bugün bununla ilgili bir soru sormak istiyorum: "YouTube, Amazon'u var olan en büyük ölçekli ve en gelişmiş endüstriyel öneri sistemi olarak geçmek üzere mi?"

Bu soru retorik değil - çünkü cevabı bilmiyorum.

Ancak, önerilen videoların YouTube'un arama algoritması için anlamak isteyeceğiniz bir kuvvet çarpanı olduğunu biliyorum.

Geçen yıl bir Arama Motoru Dergisi makalesinde, YouTube Algoritması: Bilmeniz Gereken 7 Temel Bulgu'da biraz ima ettim.

"YouTube aramasında ve önerilen videolarda varlığınızı en üst düzeye çıkarmak için meta verilerinizin iyi optimize edildiğinden emin olmanız gerekir. Bu, videonuzun başlığını, açıklamasını ve etiketlerini içerir."

Şimdi, özür dilerim çünkü daha sonra videonuzun başlığını, açıklamasını ve etiketlerini nasıl optimize edeceğinizi açıklamaya başladım.

"YouTube aramasındaki varlığınız ve önerilen videolar" ifadesini tamamen geçtim.Ancak bu yanlışı hemen düzelteyim.

Çoğu SEO, arama sonuçlarına odaklanır - çünkü Google'da önemli olan bu.

Ancak çoğu YouTube pazarlamacısı, önerilen videolarda görünmenin, neredeyse YouTube'un arama sonuçlarında görünme kadar görüntüleme üretebileceğini biliyor.

Niye ya?

Çünkü izleyiciler, ortalama olarak yaklaşık 40 dakika süren oturumlarda birden fazla video izleme eğilimindedir.

Böylece, bir izleyici bir arama yapabilir, bir video izleyebilir ve ardından önerilen bir videoyu izlemeye devam edebilir.

Başka bir deyişle, YouTube'da yapılan her arama için iki veya daha fazla video görüntülenebilir.

Önerilen videoları YouTube'un arama algoritması için bir kuvvet çarpanı yapan da budur.

Aptalca, 2008'de bu fenomenden yararlandığımı itiraf ediyorum.

O zamanlar müşterilerimizden biri, lise sporcuları için spor performansı, antrenman ve yaşam tarzı içeriği konusunda ülkenin önde gelen üreticisi ve dağıtıcısı olan STACK Media'ydı.

YouTube'daki STACKVids, STACK Futbol, ​​STACK Beyzbol ve Stack Basketbol kanalları için 137 videoyu optimize ettik ve bu videolar dünyanın önde gelen sporcularından bazılarına ait uzman spor antrenman ipuçları ve iç hikayeler sundu.

Örneğin, Peyton Manning'in sezon dışında kullandığı dambıl bench press egzersizinden bahseden Will Bartholomew'un yer aldığı bir videomuz vardı.

Başlıkta hangi anahtar kelimeleri kullandık?

Videonun başlığına bakarsanız, cevap oldukça açık: Peyton Manning Workout.

Ve videonun açıklaması, hedeflediğimiz arama terimleri konusunda kimseyi şaşırtmayacak:

"Peyton Manning sezon dışı dönemde D1'de antrenman yapıyor. Manning'in tam antrenmanına bakın (STACK'in web sitesindeki ilgili bir makaleye izleme bağlantısıyla birlikte).

Ama hangi etiketleri kullandık?

O zamanlar YouTube hala bir videonun hangi etiketleri kullandığını gösteriyordu.

Artık durum böyle değil.Ancak, bu vaka çalışmasını SES San Jose 2008'de paylaştım, bu nedenle müvekkilimden aşağıdaki etiketleri kullandığımızı açıklamak için izin aldım:

  • "Peyton Manning"
  • “Peyton Manning antrenmanı”
  • "oyun kurucu antrenmanı"
  • “oyuncu eğitimi”
  • “Peyton Manning eğitimi”
  • "yatarak halter kaldırma"
  • "oyun kurucu bench press"
  • “dambıl bench press”
  • “Yönetim antrenmanı”

Bu etiketleri nasıl bulduk?

O zamanlar "Peyton Manning antrenmanı" terimi için en üst sıradaki videoya baktık ve ardından videomuzla da alakalı olabilecek kadar çok etiket kullandık.

Bu şekilde, birisi en üst sıradaki videoyu izledikten sonra en çok önerilen video olma olasılığımızı artırdık.

Bu günlerde, 2008'de o dönem için en üst sıralarda yer alan videoyu bulmak zor.

Ancak, STACK'in videosunun şu anda "Peyton Manning antrenmanı" için 1., "Manning antrenmanı" için 1. ve "Peyton Manning eğitimi" için 5. sırada olduğunu belirtmekte fayda var.

YouTube Bugün Önerilen Videoları Nasıl Keşfediyor ve Sıralıyor?

Kullanıcılar her dakika YouTube'a 13 saatlik video içeriği yüklediğinde önerilen videolar bu şekilde işe yaradı.

Peki, YouTube'a her dakika 500 saatten fazla video içeriği yüklendiğine göre, YouTube önerilen videoları nasıl keşfediyor ve sıralıyor?

Yakın zamana kadar bulabildiğim tek yanıt, YouTube Creators kanalındaki YouTube'un Önerilen Videoları Nasıl Çalışır başlıklı bir videodan geliyordu.

Videonun 300 kelimelik açıklamasının açıkladığı gibi:

"Önerilen Videolar, bireysel bir izleyicinin önceki etkinliğe dayalı olarak bir sonraki izlemek isteyebileceği kişiselleştirilmiş bir video koleksiyonudur."

İçerik oluşturucuların bir izleyicinin önceki davranışını etkilemesinin hiçbir yolu yoktur, ancak bu aynı zamanda bir spor kanalının spor hayranlarına ulaşabileceği anlamına gelir.

"İzleyicilere izleme sayfasının sağ tarafında 'Sıradaki' altında, mobil uygulamadaki videonun altında ve otomatik oynatmada bir sonraki video olarak gösteriliyorlar."

YouTube izlenme süresinin %70'inden fazlası mobil cihazlardan geldiğinden, önerilen videolar için mobil öncelikli bir stratejiye ihtiyacınız var.

"YouTube tüketimiyle ilgili araştırmalar, izleyicilerin çeşitli kanallardan öneriler aldıklarında çok daha fazla video izleme eğiliminde olduğunu ve önerilen videoların tam da bunu yaptığını gösteriyor. Önerilen Videolar, izleyicinin katılımını en üst düzeye çıkarmak için sıralanır."

Bu nedenle, meta verilerinizi optimize etmek yine de yardımcı olur, ancak videolarınız için çekici bir açılış oluşturmanız, video boyunca ilgiyi korumanız ve oluşturmanız ve ayrıca içeriğinizin bir parçası olarak yorumları teşvik ederek ve izleyicilerinizle etkileşim kurarak kitlenizin ilgisini çekmeniz gerekir.

Açıklamaya göre, önerilen videoların şu şekilde olma olasılığı daha yüksektir:

  • “Videolar… konuyla alakalı. Aynı kanaldan veya farklı bir kanaldan videolar olabilirler.”Yani ya kendi kanalınızdan ya da farklı bir spor kanalından sporseverler için spor videoları.
  • "İzleyicinin geçmiş izleme geçmişinden videolar."Bir DeLorean zaman makineniz olmadığı sürece, bir izleyicinin geçmiş izleme geçmişini etkilemenizin hiçbir yolu yoktur.

Videonun açıklaması ayrıca içerik oluşturuculara şunları söylüyor:

"Trafik kaynakları raporundaki (YouTube Analytics'te) Önerilen Videolar'dan, 'Önerilen videolar' kutusunu tıklayarak hangi videoların izleyicileri kanalınıza getirdiğini görebilirsiniz."

Evet.Ancak, YouTube içerik oluşturucuları bunu zaten biliyorsa, büyük çoğunluk değil mi?

Son olarak, açıklama, içerik oluşturucular için aşağıdaki ipuçlarını içerir:

  • Serinizdeki başka bir videoyu izlemek için videolarınıza güçlü harekete geçirici mesajlar ekleyin.
  • İzleyicileri neden gidip dizinizdeki başka bir videoyu izlemeleri gerektiğine ikna edin.
  • Videolarınızın nasıl bittiğine dikkat edin çünkü uzun sonlar izleyicileri daha fazla video izlemekten caydırabilir.
  • İzlenecek bir sonraki videoyu önermek için oynatma listelerini, bağlantıları, kartları ve bitiş ekranlarını kullanın.
  • Organik olarak bağlantılı bir dizi video geliştirin.
  • Yarışmalar veya listeler gibi YouTube'daki popüler biçimlerle ilgili videolar yapın.

Şimdi, bu video 394.000 kez izlendi.

Bu nedenle, daha önce YouTube İçerik Oluşturucu Akademisi olarak bilinen kurumun birkaç yüz bin mezununun, YouTube'un önerdiği videoların nasıl çalıştığı hakkında en azından bu kadarını bildiğini varsayabiliriz.

Dolayısıyla, bu size çok fazla rekabet avantajı sağlamayacaktır.

Bununla birlikte, mevcut olan daha ayrıntılı bilgiler var - her ne kadar bir Bothan olsun ya da olmasın anonim bir kaynak bana onu bulabileceğim bir bağlantı gönderene kadar güvenli bir şekilde açıkta gizlenmiş olsa da.

Bağlantı beni 15 Eylül 2016'da yayınlanan ve şimdi Google Research'te arşivlenen bir makaleye götürdü.

Bu eski araştırma makalesi Google'dan Paul Covington, Jay Adams ve Emre Sargin tarafından yazılmıştır.“YouTube Önerileri için Derin Sinir Ağları” başlığını taşıyor.

YouTube'un Öneri Sistemleri Önerilen Videoları Nasıl Oluşturur ve Sıralar?

Ciddi bir rekabet avantajı arıyorsanız, PDF'yi indirmek ve bu araştırma makalesini kendiniz okumak isteyeceksiniz.

Ancak, üç buçuk yıldan daha eski olan 8 sayfalık bir akademik belgeyi okumanın zaman ayırmaya ve dikkat etmeye değer olduğuna ikna olmanız gerekiyorsa, o zaman " YouTube Önerileri için Derin Sinir Ağları.”

Yeni başlayanlar için Covington, Adams ve Sargin, YouTube'un devasa öneri sisteminin "iki sinir ağından oluştuğunu ortaya koyuyor: biri aday oluşturma ve diğeri sıralama için."

Bu önemli.

Veya, Mon Mothma'nın (Caroline Blakiston) Star Wars: Bölüm VI – Jedi'nin Dönüşü'nde (1983) ciddiyetle söylediği gibi, "Birçok Bothan bize bu bilgiyi getirmek için öldü."

Onların kağıdı diyor ki:

“Aday nesil ağı, girdi olarak kullanıcının YouTube etkinlik geçmişinden olayları alır ve büyük bir bütünden küçük bir alt küme (yüzlerce) video alır. Bu adayların genel olarak yüksek hassasiyetle kullanıcıyla alakalı olması amaçlanmıştır.”

Şimdi, bir zaman makinemiz olmadıkça, videolarımızı bir izleyicinin geçmiş izleme geçmişi için optimize edemeyiz.

Ancak, YouTube'un video reklam kampanyalarını hedeflemek için de kullandığı kitleleri hedefleyen videolar oluşturabiliriz.

Diğer bir deyişle, videonuz, kanalınızdaki diğer videolardan tamamen farklı bir konuyla ilgiliyse veya geçmişte sahip olduğunuzdan tamamen farklı bir demografik grubu hedefliyorsa, videonuz küçük bir (yüzlerce) video alt kümesine dönüşmez.

Oh, ayrıca kanalınızın abonelerinin izlediği diğer videoların tümü "spor hayranlarını" hedefliyorsa, "müzik hayranlarını" hedefleyen yeni bir video oluşturmayı düşünmeyin bile.

Eylül 2018'de Tubular Insight'ta yayınlanan Platform Trendleri: İçeriğin Dikeyleştirilmesi YouTube ve Facebook'ta Erişimi Nasıl Artırıyor başlıklı bir makalede belirttiğim gibi, yarım düzine dijital öncelikli yayıncı zaten dikey bir strateji izliyor.

Buna şunlar dahildir: Axel Springer SE, Group Nine, BuzzFeed, UNILAD, Jungle Creations, The LADbible Group ve 9GAG.

İşte o yazıda sorduğum retorik soru:

"Öyleyse, neden tüm bu yayıncılar, geniş bir içerik yelpazesini devasa, yatay… YouTube kanallarına doldurmak yerine mülklerini birkaç dikey sektöre ayırsınlar? Çünkü artan rekabetçi bir çevrimiçi video ekosisteminde, kitlelerin ilgisini, onların genel ilgi alanlarına hitap eden veya etmeyen rastgele bir içerik koleksiyonundan ziyade, onların özel ilgi alanlarını dar bir şekilde hedefleyen içerikle çekmeniz daha olasıdır. Başka bir deyişle, derine inmek, uzağa gitmekten daha akıllıdır.”

Bu bizi sıralama için ikinci sinir ağına getiriyor.

Covington, Adams ve Sargin, önerilen videoları sıralamanın birçok yolu olduğunu kabul ediyor.Ama ifşa ediyorlar:

"Tıklama oranına (TO) göre sıralama, genellikle kullanıcının tamamlamadığı aldatıcı videoları teşvik eder ("tıklama tuzağı"), izlenme süresi ise etkileşimi daha iyi yakalar."

Bu nedenle, yanıltıcı, tıklama tuzağı veya sansasyonel başlıklar ve küçük resimler kullanmaktan kaçının.

Evet, geçmişte çalıştılar.

Ancak Ekim 2012'de YouTube algoritmasında "görüntülemeleri" "izlenme süresi" ile değiştirdiğinde dodo yoluna gittiler.

Tamam, yani ikinci sinir ağı sinyal olarak TO'yu kullanmıyor.Başka hangi sinyalleri kullanıyor?

Makalenin yazarları, “en önemli sinyallerin” şunları içerdiğini gözlemliyor:

  • Kullanıcının videonun kendisiyle ve diğer benzer videolarla önceki etkileşimi neydi?
  • Kullanıcı bu kanaldan kaç video izledi?
  • Kullanıcı en son ne zaman bu konuyla ilgili bir video izledi?

Covington, Adams ve Sargin şöyle diyor:

"İlgili öğeler üzerindeki geçmiş kullanıcı eylemlerini tanımlayan bu sürekli özellikler, farklı öğeler arasında iyi bir şekilde genelleme yaptıkları için özellikle güçlüdür. Ayrıca, aday nesilden gelen bilgileri özellikler biçiminde sıralamaya yaymanın da çok önemli olduğunu gördük, örn. Bu video adayını hangi kaynaklar belirledi? Hangi puanları verdiler?”

Eklerler:

“Geçmiş video gösterimlerinin sıklığını açıklayan özellikler, önerilerde 'kullanılmayı' tanıtmak için de kritik öneme sahiptir (ardışık istekler aynı listeleri döndürmez). Bir kullanıcıya yakın zamanda bir video önerildiyse ancak videoyu izlemediyse, model bir sonraki sayfa yüklemesinde doğal olarak bu gösterimin sıralamasını düşürür. Anlık izlenim ve izleme geçmişi sunmak, bu belgenin kapsamı dışında başlı başına bir mühendislik başarısıdır, ancak duyarlı öneriler üretmek için hayati önem taşır."

Covington, Adams ve Sargin şunları açıklıyor:

"Amacımız, olumlu (video gösterimi tıklandı) veya olumsuz (gösterim tıklanmadı) eğitim örnekleri vererek beklenen izlenme süresini tahmin etmektir. Olumlu örnekler, kullanıcının videoyu izlemek için harcadığı süreyle ilgili açıklamalarla belirtilir. Beklenen izlenme süresini tahmin etmek için bu amaçla geliştirilmiş ağırlıklı lojistik regresyon tekniğini kullanıyoruz.”

Başka bir deyişle, videonuzu YouTube'un öneri sistemleri için optimize etmek istiyorsanız, görüntüleyenlerin izlemek istedikleri videoları bulmalarına yardımcı olmanız ve ardından uzun vadeli katılımlarını ve memnuniyetlerini en üst düzeye çıkarmanız gerekir.

Bu zor.

Ancak YouTube'a her dakika 500 saatten fazla video içeriği yüklendiğinden, bugünlerde yapmanız gereken bu.

Bu sizin için ne ifade ediyor?

Ama bekleyin, dahası var!

Makalenin yazarları ayrıca YouTube'un 2016'dan beri "büyük bir öneri sistemi" tasarlamak, yinelemek ve sürdürmek için "derin öğrenme" kullandığını da ortaya koydu.

Ve o zamanlar bile "kullanıcıya yönelik muazzam etki" ile "önemli performans iyileştirmeleri" gördüler.

Şimdi, bu seni geceleri ayakta tutmayabilir.

Ancak, Google öğrendiklerini ortaya çıkarırsa, örneğin Google Alışveriş, o zaman bahse girerim Amazon'daki araştırmacılar ve geliştiriciler için kabuslar yaratacaktır.

Şimdi, bu senin için ne anlama geliyor?

Odak noktanızın dijital pazarlama, SEO, içerik pazarlaması ve ücretli arama olduğunun farkındayım.Pekala, bu seni buraya kadar getirdi.

Önümüzdeki dört yıl ne olacak?

Pekala, siz veya ekibinizden biri zaten TensorFlow'u (eski adıyla Google Brain olarak biliniyordu) anlıyorsa, rock and roll yapmaya hazırsınız demektir.

Ancak, ekibinizde TensorFlow'un kapsamlı, esnek araç ekosistemini, kitaplıkları ve topluluk kaynaklarını nasıl kullanacağını anlayan ve makine öğrenimindeki (ML) son teknolojiyi ileriye taşımak için bir araştırmacı veya geliştirici yoksa, kuruluşunuz veya müşterileriniz için makine öğrenimi destekli uygulamalar oluşturun ve dağıtın, ardından hızlı bir şekilde bir tane bulmanız gerekir.

Niye ya?

Çünkü yolun aşağısında, kaderiniz - ve kuruluşunuzun veya müşterilerinizin kaderi - öneri sistemlerinin ellerinde artacaktır.

Bu nedenle, bugün "YouTube Önerileri için Derin Sinir Ağları"nı okumak için zaman ayırmaya ve dikkat etmeye değer.

Tıpkı çocukların "köşeleri ve duvarların ötesini" görmelerini sağlayan periskop casus oyuncaklarından biri gibi, bu 8 sayfalık akademik belge, üç buçuk yıldan uzun süredir gözlerden uzak neyin gizlendiğini görmenize yardımcı olabilir.

Daha fazla kaynak:

Tüm Kategoriler: Blog